我训练并测试了一个ml模型（gbtclassionmodel或randomforestclassificationmodel）。然后我想保存经过训练的模型以备将来使用。所以我做了以下工作：
model.save("...");以gbtclassificationmodel为例，保存之后。保存的文件是一个包含“数据、元数据和树元数据”的目录。我的问题是如何使用这个保存的模型以备将来使用？例如，我想做如下操作：
model = spark.load("...");
Dataset<Row> predict_data= model_model.transform(dataset_test1)有什么建议吗？谢谢您。
更新：
结果很简单：
GBTClassificationModel model1 = GBTClassificationModel.load("...");
Dataset<Row> predict_data= model1.transform(dataset_test)
1条答案
按热度按时间h7appiyu1#
应该使用randomforestclassificationmodel.load方法。
load（path:string）：randomforestclassificationmodel从输入路径读取一个ml示例，这是
read.load(path).在scala中，在您的情况下，它将如下所示：
我强烈建议使用spark mllib的ml管道功能：
ml管道提供了一组统一的、构建在Dataframe之上的高级api，帮助用户创建和调优实用的机器学习管道。
使用ml管道，您只需简单地替换
RandomForestClassificationModel管道模型。